人工智能技術(shù)在認(rèn)知無線電中的應(yīng)用

1、人工智能技術(shù)在認(rèn)知無線電中的應(yīng)用趙冠州【摘要】無線電是指在所有空間傳播的電磁波，是一個上限頻率在300 GHz,下限 頻率不固定的有限頻帶.無線電自發(fā)展以來被廣泛應(yīng)用于通信、電力傳輸?shù)雀鱾€領(lǐng) 域,為人們?nèi)粘Ｉ顜砹吮憷?隨著人工智能技術(shù)的普及和發(fā)展,認(rèn)知無線電的概念 逐步進(jìn)入大眾視野.作為無線通信領(lǐng)域和人工智能領(lǐng)域結(jié)合的產(chǎn)物,智能性是認(rèn)知無 線電區(qū)別于傳統(tǒng)無線電的主要特性.因此,重點(diǎn)對人工智能技術(shù)在認(rèn)知無線電中的應(yīng) 用展開探討.期刊名稱】 通信電源技術(shù)年(卷),期】 2018(035)010【總頁數(shù)】3頁(P175-176,178)【關(guān)鍵詞】 人工智能;認(rèn)知無線電;無線通信【作 者】 趙冠州

2、【作者單位】 大理大學(xué),云南大理 671000【正文語種】 中 文0引言無線電技術(shù)自發(fā)展以來被廣泛應(yīng)用于各個領(lǐng)域，如人們?nèi)粘Ｉ蠲芮邢嚓P(guān)的調(diào)頻廣播、蜂窩電話和數(shù)字電視等，都是利用電磁波原理進(jìn)行的數(shù)據(jù)傳播。隨著人們對無線通信的需求不斷增長，原有的無線頻譜已經(jīng)不能滿足人們對帶寬的要求。認(rèn)知無 線電的出現(xiàn)，能有效解決這一難題。認(rèn)知無線電也被稱為CR技術(shù)，是具有尋找無 線空閑頻譜能力的智能無線電技術(shù)。它與傳統(tǒng)無線電技術(shù)的區(qū)別主要在于認(rèn)知能力 和重構(gòu)能力兩點(diǎn)。認(rèn)知能力是指CR技術(shù)可在無線環(huán)境中識別現(xiàn)有的無線頻譜，并 自動感知工作參數(shù)；重構(gòu)能力即CR技術(shù)可實(shí)現(xiàn)自動重構(gòu)編程，對無線電的工作頻 率、調(diào)制方式等

3、參數(shù)進(jìn)行再設(shè)置。而認(rèn)知無線電在各個領(lǐng)域的應(yīng)用則主要依靠于人 工智能技術(shù)的支撐。人工智能是計(jì)算機(jī)學(xué)科的一個分支，涉及到語言識別、圖像識 別和聲音識別等諸多內(nèi)容。人工智能技術(shù)的蓬勃發(fā)展勢必會使認(rèn)知無線電智能化成 為現(xiàn)實(shí)。1 認(rèn)知無線電中常用的人工智能技術(shù) 認(rèn)知無線電智能化主要體現(xiàn)在其推理、學(xué)習(xí)和優(yōu)化能力上。推理能力是對現(xiàn)有知識 庫中所含內(nèi)容進(jìn)行功能分區(qū)，并合理預(yù)測決策的過程。學(xué)習(xí)能力是指概括原有知識 內(nèi)容，融入到知識庫中。優(yōu)化能力是對現(xiàn)有工作參數(shù)進(jìn)行自主調(diào)試，以滿足人們的 不同需求1。推理系統(tǒng)CR 技術(shù)中的推理系統(tǒng)主要分為基于規(guī)則和基于案例的推理。其中，基于規(guī)則的推 理系統(tǒng)是指來自各個行業(yè)領(lǐng)域的專

4、業(yè)人士將學(xué)科前沿知識以編程方式存入知識庫中， 利用CR技術(shù)對編程規(guī)則進(jìn)行解讀，隨后完成指令操作。基于規(guī)則的推理系統(tǒng)結(jié)構(gòu) 簡單、操作容易，但穩(wěn)定性不高。CR技術(shù)的實(shí)踐過程是將前期存入知識庫中的知 識內(nèi)容進(jìn)行解析，然后按照指定操作輸出結(jié)果。這對知識結(jié)構(gòu)和準(zhǔn)確性提出了很高 要求，一旦知識網(wǎng)絡(luò)模糊，推理系統(tǒng)無法正確識別指令，將會輸出錯誤的計(jì)算結(jié)果。 另一種推理系統(tǒng)是基于案例進(jìn)行推理，簡言之是在沒有完備的知識結(jié)構(gòu)體系前提下， 通過對比已經(jīng)掌握解決某類特定問題的方法，將其應(yīng)運(yùn)在相似環(huán)境中。它的特點(diǎn)在 于系統(tǒng)具有類似于人類的思維，可以運(yùn)用已有解題方式解決新問題。在實(shí)際操作過 程中，為了豐富拓展推理系統(tǒng)的使用

5、寬度，人們往往將這兩種推理方式結(jié)合使用。 當(dāng)知識庫中知識儲備能解決問題時，主要運(yùn)用基于規(guī)則的推理方式；如果知識網(wǎng)絡(luò) 存在漏洞無法利用現(xiàn)有知識有效解決問題時，則綜合使用基于案例推理方式，通過 案例學(xué)習(xí)做出推理決策。機(jī)器學(xué)習(xí)方法 機(jī)器學(xué)習(xí)是指通過編程使計(jì)算機(jī)系統(tǒng)模擬人類思維，學(xué)習(xí)新興知識的過程。目前， 被廣泛應(yīng)用的機(jī)器學(xué)習(xí)方法主要有人工神經(jīng)網(wǎng)絡(luò)和貝葉斯學(xué)習(xí)等。人工神經(jīng)網(wǎng)絡(luò)是 近年來學(xué)術(shù)界用來輔助完成科研過程的熱門算法，基本原理是類比人類大腦中神經(jīng) 元對信息的處理方式，通過不斷調(diào)整各數(shù)據(jù)節(jié)點(diǎn)之間的關(guān)系來完成信息處理。人工 神經(jīng)網(wǎng)路的優(yōu)勢在于通過判定預(yù)選輸入系統(tǒng)內(nèi)的起始和輸出數(shù)據(jù)間的邏輯關(guān)系，將 輸入

6、的新數(shù)據(jù)按照計(jì)算法則處理即可得出輸出結(jié)果。將現(xiàn)實(shí)案例抽象為數(shù)學(xué)模型， 往往是科研過程中最難進(jìn)行的部分。人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，有效解決了這一難題。 傳統(tǒng)算法只適用于線性數(shù)學(xué)模型的求解優(yōu)化，無法應(yīng)對復(fù)雜的數(shù)學(xué)建模過程。人工 神經(jīng)網(wǎng)絡(luò)只需要案例原始數(shù)據(jù)，就可完成模型求解。此外，人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng) 性可被應(yīng)用于認(rèn)知無線電中的頻譜識別感應(yīng)、信號感知和工作參數(shù)調(diào)試等問題。貝 葉斯學(xué)習(xí)主要針對數(shù)據(jù)信息的先驗(yàn)概率進(jìn)行推理決策，在通信領(lǐng)域主要應(yīng)用于問題 的抽取、儲存等2。智能優(yōu)化算法 認(rèn)知無線電區(qū)別于傳統(tǒng)無線電技術(shù)的主要特點(diǎn)是能按照環(huán)境和客戶需求實(shí)現(xiàn)工作參 數(shù)的智能調(diào)試。工作參數(shù)設(shè)置包括頻譜、客戶需求和客觀環(huán)境

7、等多方面限制，需要 以函數(shù)形式進(jìn)行多目標(biāo)求解。遺傳、模擬退火和禁忌搜索算法都是認(rèn)知無線電領(lǐng)域 用來智能優(yōu)化的基礎(chǔ)算法。遺傳算法模擬生物學(xué)中自然進(jìn)化的原理，通過自然選擇 淘汰劣勢解尋求問題最優(yōu)答案。將認(rèn)知無線電類比成生物體內(nèi)的染色體，染色體中 存在的各個基于對應(yīng)程序的不同參數(shù)，經(jīng)過不斷進(jìn)化達(dá)到最終參數(shù)設(shè)置要求。模擬 退火方法是模擬物理降溫過程，利用數(shù)學(xué)公式計(jì)算不同狀態(tài)的轉(zhuǎn)移概率與臨界值進(jìn) 行搜索。禁忌搜索通過設(shè)置禁忌表，防止搜索內(nèi)容反復(fù)進(jìn)入搜素序列，浪費(fèi)搜索時 間。2 人工智能技術(shù)的 CR 應(yīng)用實(shí)例2.1 在無線區(qū)域網(wǎng)中的應(yīng)用無線區(qū)域網(wǎng)是以認(rèn)知無線電技術(shù)為基礎(chǔ)，實(shí)現(xiàn)固定頻段的無線電數(shù)據(jù)傳輸。無線

8、區(qū) 域網(wǎng)與寬帶撥號上網(wǎng)的區(qū)別在于其使用的是全新的頻譜帶，主要應(yīng)用于農(nóng)村等偏遠(yuǎn) 地區(qū)。人工智能技術(shù)在無線區(qū)域網(wǎng)中的應(yīng)用主要體現(xiàn)在認(rèn)知引擎的升級換代上。以 Newman 等人研制出的基于 CBR 認(rèn)知引擎為例，作用機(jī)理為感知模塊、無線環(huán)境 圖與主控模塊的互相關(guān)聯(lián)。其中，無線環(huán)境圖是由分布在各個客戶終端的網(wǎng)絡(luò)節(jié)點(diǎn) 與網(wǎng)絡(luò)線路連接而成的抽象數(shù)據(jù)庫，內(nèi)部包含了地理信息、知識體系和服務(wù)信息客 戶需求等。無線環(huán)境圖中的信息通過不斷觀測引擎中感知模塊的節(jié)點(diǎn)狀態(tài)變化將變 化信息由CR傳送至主控模塊。主控模塊由效用、基于案例/規(guī)則的推理、信道建 模和預(yù)測、多目標(biāo)優(yōu)化和頻譜管理幾部分組成。接收到數(shù)據(jù)信息后，主控模塊

9、按順 序完成推理、學(xué)習(xí)和優(yōu)化過程，最終輸出結(jié)果。與人工智能技術(shù)完美結(jié)合后的無線區(qū)域網(wǎng)絡(luò)可實(shí)現(xiàn)為用戶提供不對稱的數(shù)字用戶線 寬帶接入服務(wù)。隨著互聯(lián)網(wǎng)和無線網(wǎng)絡(luò)的發(fā)展與普及，人們?nèi)粘Ｐ畔⒌墨@取渠道早 已由平面紙質(zhì)報紙等轉(zhuǎn)化為網(wǎng)絡(luò)自媒體。為了滿足人們的日常生活需求，絕大部分 地區(qū)的寬帶撥號上網(wǎng)業(yè)務(wù)已廣泛普及。但是，包含山區(qū)在內(nèi)的許多人口密度較低的 偏遠(yuǎn)地區(qū)，由于線路接入成本較高，一直無法享受寬帶撥號上網(wǎng)業(yè)務(wù)。基于 802.22 的無線區(qū)域網(wǎng)系統(tǒng)雖然在上網(wǎng)速度和網(wǎng)絡(luò)性能上與固定上網(wǎng)差異不大，但 可適應(yīng)農(nóng)村等偏遠(yuǎn)地區(qū)條件，可為類似地區(qū)提供上網(wǎng)業(yè)務(wù)3。2.2 在無線電測試平臺的應(yīng)用 國外許多學(xué)者已經(jīng)研制出

10、了基于人工神經(jīng)網(wǎng)絡(luò)算法的認(rèn)知無線電測試平臺。無線電 測試平臺需實(shí)現(xiàn)的設(shè)計(jì)目標(biāo)是調(diào)試網(wǎng)絡(luò)頻譜帶、設(shè)置帶寬等工作設(shè)備參數(shù)，同時實(shí) 現(xiàn)網(wǎng)絡(luò)最大吞吐量和最小運(yùn)輸速率目標(biāo)。結(jié)合人工智能技術(shù)中的遺傳算法，可建立 解決問題的認(rèn)知引擎。認(rèn)知引擎的主要作用機(jī)理為：初始化無線電通過無線系統(tǒng)遺 傳算法模塊收集信道信息并建模信道，信道建模過程完成后，將信道模型傳輸至認(rèn) 知系統(tǒng)檢測器模塊。在認(rèn)知系統(tǒng)檢測器中判定決策無線電是否需要重新配置，并根 據(jù)過去記憶的信道情況與參數(shù)配置對無線電性能的影響，決定哪些參數(shù)應(yīng)該保留， 哪些參數(shù)需要修改。經(jīng)認(rèn)知系統(tǒng)檢測器判定系統(tǒng)需要更新配置時，模擬器會將產(chǎn)生 的適值函數(shù)和初始代的染色體提供

11、給無線系統(tǒng)遺傳算法模塊，最終將適值函數(shù)表達(dá) 為數(shù)學(xué)函數(shù)形式并輸出仿真結(jié)果。但是，如果經(jīng)認(rèn)知系統(tǒng)檢測器檢測系統(tǒng)無需更新 配置時，系統(tǒng)自動生成子代染色體數(shù)據(jù)庫，用來檢驗(yàn)基帶配置性能結(jié)果。該技術(shù)的 優(yōu)點(diǎn)在于系統(tǒng)可對當(dāng)前環(huán)境產(chǎn)生的系統(tǒng)配置結(jié)果不斷進(jìn)行優(yōu)化更新，直至最后輸出 目標(biāo)結(jié)果，達(dá)到檢驗(yàn)?zāi)康?。?WLAN 中的應(yīng)用WLAN 即人們常說的無線局域網(wǎng)。在無線局域網(wǎng)發(fā)明前，人們上網(wǎng)只能通過有線 寬帶形式，將物理線纜連接成一個電子運(yùn)行通路，費(fèi)事且成本較高。無線局域網(wǎng)應(yīng) 用到人們?nèi)粘Ｉ詈?，可直接利用射頻技術(shù)使用電磁波傳輸數(shù)據(jù)，在空中進(jìn)行通信 連接?；贗EE802.11標(biāo)準(zhǔn)的無線局域網(wǎng)可實(shí)現(xiàn)特定頻段的無線

12、電波連接。以家 庭用網(wǎng)為例，家庭 WLAN 上網(wǎng)主要包含路由器、交換機(jī)、防火墻和無線接入點(diǎn)等 幾部分，可通過以上設(shè)施設(shè)備實(shí)現(xiàn)數(shù)臺電子設(shè)備的以太網(wǎng)訪問需求。將人工智能技 術(shù)應(yīng)用在 WLAN 網(wǎng)絡(luò)后，具有認(rèn)知功能的無線局域網(wǎng)可通過數(shù)據(jù)接入點(diǎn)的不同進(jìn) 行頻譜掃描，將對系統(tǒng)產(chǎn)生干擾的其他頻譜帶區(qū)分出來，并結(jié)合系統(tǒng)原有的通信信 道模型建立適應(yīng)用戶需求的通信信道模型。另外，基于人工智能技術(shù)支撐的無線局 域網(wǎng)還可在對數(shù)據(jù)接入點(diǎn)頻譜掃描時核查非法入侵終端，防止網(wǎng)絡(luò)黑客惡意攻擊。在多入多出系統(tǒng)中的應(yīng)用 多入多出系統(tǒng)是指通過加設(shè)輸入端及輸出端上的接收信號天線方式，實(shí)現(xiàn)天線之間的信號傳輸，以達(dá)到改善通信質(zhì)量和用網(wǎng)質(zhì)

13、量的目的。多入多出技術(shù)可高效改善目 前的頻譜帶有限情況，提高現(xiàn)階段頻譜效率。將人工智能技術(shù)引入認(rèn)知無線電系統(tǒng) 后，能大大提高頻譜使用效率。人工智能技術(shù)與認(rèn)知無線電系統(tǒng)的結(jié)合已不僅僅局 限于學(xué)術(shù)范圍，這一創(chuàng)新形式早在2006 就被應(yīng)用于工業(yè)領(lǐng)域。墨爾本一通信公司 已經(jīng)開發(fā)出基于人工智能技術(shù)的商用CR系統(tǒng)，并廣泛投入到了生產(chǎn)環(huán)節(jié)4。 3結(jié)論 認(rèn)知無線電是在無線電發(fā)展基礎(chǔ)上衍生出來的時代產(chǎn)物?；谌斯ぶ悄芗夹g(shù)的蓬勃 發(fā)展，認(rèn)知無線電被廣泛應(yīng)用于通信、數(shù)據(jù)交互等多個行業(yè)領(lǐng)域?；诖吮尘?，本 文對人工智能技術(shù)在認(rèn)知無線電領(lǐng)域的應(yīng)用情況展開探討，將認(rèn)知無線電領(lǐng)域中體 現(xiàn)的人工智能歸納為推理、學(xué)習(xí)和優(yōu)化能力。其中，推理能力包含了基于規(guī)則推理 和案例推理兩種方式。機(jī)器學(xué)習(xí)能力部分簡述了人工神經(jīng)網(wǎng)絡(luò)和貝葉斯學(xué)習(xí)方法等， 算法優(yōu)化部分則主要列舉了遺傳、模擬退火和禁忌搜索三種優(yōu)化算法模型。最后， 詳述了人工智能技術(shù)在WRAN